2D图像像素点操作——平移，旋转，缩放 tcy

1.1.用途：平移（Translation）、缩放（Scale）、翻转（Flip）、旋转（Rotation）和剪切（Shear）2.1.平移
说明：点(x,y)向x方向移动dx, y方向移动dy
变换后坐标：(x',y')=(x+dx,y+dy)
矩阵表示:   [x',y',1]=[1 0 dx][0 1 dy] [0 0 1]*[[x],[y],[1]]

2.2.缩放
说明：设点(x,y)在x轴方向扩大sx倍，y轴方向扩大sy倍
变换后坐标：(x',y')=(sx * x,sy * y)
矩阵表示:   [x',y',1]=[[sx 0 0] [0 sy 0][0 0 1]]  *[[x],[y],[1]]#缩放矩阵

2.3.旋转
说明：设点A(x1,y1)以原点(x0,y0)为圆心旋转θ度,求旋转后 A'(x',y')坐标值.
变换后坐标：y = rows-yx' = x0 + (x1 - x0) cosθ - (y1 - y0)sinθy' = y0 +(y1 - y0)cosθ + (x1 - x0) sinθy' = rows-y'变换后坐标(x',y'):x=rcos(b);y=rsin(b);x'=rcos(a+b)=rcosacosb−rsinasinb=xcosa−ysina;(合角公式)y'=rsin(a+b)=rsinacosb+rcosasinb=xsina+ycosa;旋转变换矩阵：[[cosa −sina][sina cosa]]#逆时针

2.4。翻转[x',y',1]=[ [1 0 0 ][0 -1 N+1][0 0 1] ]*[x,y,1]=============================================================================================
2.5.等距变换
R=[[r11 r12 dx]#平移变换和旋转变换的复合；等距变换前后长度，面积，线段之间的夹角都不变[r21 r22 dy]#左上角2×2矩阵为旋转部分，tx和ty为平移因子[0   0   1 ]#有三自由度，即旋转，x方向平移，y方向平移。
]=============================================================================================
2.6.切向变换
相当于一个横向截切与一个纵向剪切的复合常用于产生弹性物体的变形处理
[[ 1   shx 0][shy  1   0][ 0   0   1]
]
#https://www.cnblogs.com/liekkas0626/p/5238564.html
=============================================================================================
2.7.相似变换相似变换相当于是等距变换和均匀缩放的一个复合相似变换前后长度比，夹角，虚圆点I,J保持不变。相似变换其实与相似三角形之间是有类似的
S=[[s*r11 s*r12 dx]#左上角2×2矩阵为旋转部分，dx和dy为平移因子[s*r21 s*r22 dy]#有4个自由度，即旋转，x方向平移，y方向平移和缩放因子s[  0    0    1 ]
]=============================================================================================
2.8.仿射变换
性质：1）保持二维图形“平直性”和“平行性”，面积比保持不变；2）不具有保角性和保持距离比的性质不能保持垂直性角度会改变共线线段或者平行线段的长度比保持不变，矢量的线性组合不变3）有6自由度，即旋转4个，也就是前述大矩形的4个元素都可以同时改变，x方向平移，y方向平移。包括平移、旋转、缩放、倾斜（错切、剪切、偏移）、翻转变换
说明：   平直性：变换后直线还是直线、圆弧还是圆弧。平行性：平行线还是平行线，直线上点的位置顺序不变
计算：[u,v,1]=[[a1 b1  c1] [a2 b2 c2 ][0 0 1]]*[x,y,1]

3.投影变换（透视变换，射影变换）3.1.射影变换：是最一般的线性变换。有8个自由度。射影变换保持重合关系和交比不变。但不会保持平行性。即它会使得仿射变换产生非线性效应。3.2.射影变换仿射变换区别：射影变换变换矩阵[[a11 a12  a13] [a21 a22  a23 ][a31 a32  a33]]仿射变换变换矩阵[[a11 a12  a13] [a21 a22  a23 ][0 0 1]]在仿射的前提下，当左上角2×2矩阵正交时为欧式变换，左上角矩阵行列式为1时为定向欧式变换。所以射影变换包含仿射变换，而仿射变换包含欧式变换。[a11 a12 ] [a21 a22 ]表示线性变换如scaling（尺度），shearing（剪切）和ratotion（旋转）[a13 a23]表示平移参数，一个确定在x方向上的平移一个确定在y方向上的平移；[a31 a32]用于产生透视变换。从这里所以可以理解成仿射等是透视变换的特殊形式名词解释：projective transformation(投影变换) = homography(单应性变换) = collineation( 直射变换)=============================================================================================
4.备注最终变换矩阵2D基本模型视图变换只有上面这3种如某变换先经过平移(对应平移矩阵A)再旋转(对应旋转矩阵B)再缩放(对应缩放矩阵C)最终变换矩阵 T = ABC. #即3个矩阵按变换先后顺序依次相乘(矩阵乘法不满足交换律，讲究先后顺序)

5.实例：
旋转矩阵方法没有实现，有高手请补充# !/usr/bin/env python
# -*- coding: utf-8 -*-import numpy as np
import cv2,mathclass Pixel():def __int__(self):pass def __del__(self): passdef movePixelPoint(self,x,y,dx=0,dy=0)->list:b = [[1, 0, dx], [0, 1, dy], [0, 0, 1]]#平移矩阵X = [[x], [y], [1]]R=np.dot(b, X)           # X'=bXR=R.reshape(3)[0:2]return R.tolist()def zoomPixelPoint(self,x,y,sx=1,sy=1)->list:b = np.array([[sx, 0, 0], [0, sy, 0], [0, 0, 1]],dtype=np.float)#缩放矩阵X = np.array([[x], [y], [1]],dtype=np.float)R = np.dot(b, X)  # X'=bXR = np.uint8(R.round())R = R.reshape(3)[0:2]return R.tolist()def rotatePixelPoint(self,x,y,θ:int=0.0,center=(0.0,0.0),rows=480)->list:cosθ=math.cos(math.radians(θ))sinθ = math.sin(math.radians(θ))x1 = xy1 = rows - yx0 = center[0]y0 = rows - center[1]x = (x1-x0)*cosθ - (y1 - y0)*sinθ + x0y = (x1-x0)*sinθ + (y1 - y0)*cosθ + y0x=xy = rows - yreturn x,ydef rotatePixelPoint_(self,x,y,angle:int=0.0,center=(0.0,0.0))->list:scale=1x0, y0 = centercosθ = math.cos(math.radians(angle))sinθ = math.sin(math.radians(angle))α ,β= scale*cosθ,scale*sinθ# b = [[  α,β,(1- α)*x0 - β*y0],[ -β,α,β*x0+(1 - α)*y0],[0, 0, 1]]b =[[cosθ ,- sinθ,(1 - cosθ)*x0 + y0 * sinθ],[sinθ ,   cosθ,(1 - cosθ)*y0 - x0 * sinθ], [0 ,  0  , 1]]X = [[x], [y], [1]]R = np.dot(b, X)R = np.uint8(R.round())R = R.reshape(3)[0:2]R=R.tolist()return R#====================================================================================def __move__(self,src, pos: '(int,int)') -> np.ndarray:      # 彩色平移rows, cols = src.shape[:2]M = np.float32([[1, 0, pos[0]], [0, 1, pos[1]]])  # 平移转换矩阵： 右移动100；下移动50dst = cv2.warpAffine(src, M, (cols, rows))    # 图像的宽度和高度return dstdef __rotation_Scale__(self,src, angle:'float',rotation_center:'(float,float)'=None,scale:'float'=1)->np.ndarray:#彩色：旋转缩放rows, cols = src.shape[:2]cx=rotation_center[0] if rotation_center else cols/2.0cy=rotation_center[1] if rotation_center else rows/2.0# cols - 1 and rows - 1 are the coordinate limits.M = cv2.getRotationMatrix2D((cx, cy), angle, scale)dst = cv2.warpAffine(src, M, (int(2*cx), int(2*cy)))return dstdef __polylines__(self,img,pts:'ndarray.int32', isClosed:'bool', color:'tuple',thickness=1,lineType=8)->np.ndarray:tmp=thicknessif thickness<0:thickness=1cv2.__polylines__(img, pts, isClosed, color, thickness, lineType)# 绘图多边形(pts多边形各定点int32, Isclosed是否封闭)if tmp<0: cv2.fillPoly(img, pts, color)return  imgdef __getColorPicture__(self):img = np.zeros((480, 640, 3), dtype=np.uint8)pts = np.array([[100, 50], [200, 300], [70, 200], [50, 100]], np.int32)pts = pts.reshape((-1, 1, 2))img = self.__polylines__(img, [pts], True, (125, 255, 0), -1)cv2.putText(img, 'A', (100, 50-10), cv2.FONT_HERSHEY_PLAIN, 1, (0, 0, 255), 1, 8)cv2.putText(img, 'B', (200, 300 + 10), cv2.FONT_HERSHEY_PLAIN, 1, (0, 0, 255), 1, 8)cv2.putText(img, 'C', (70-20, 200+10), cv2.FONT_HERSHEY_PLAIN, 1, (0, 0, 255), 1, 8)return imgdef __getColorPictureInCenter__(self):rgb=self.__getColorPicture__()img,rect,box=self.__getContours__(rgb)# 移动到中心cx_rect, cy_rect = int(round(rect[0][0], 0)), int(round(rect[0][1], 0))cv2.drawMarker(rgb, (cx_rect, cy_rect), (0, 0, 255))h, w = int(round(rgb.shape[0] / 2, 0)), int(round(rgb.shape[1] / 2, 0))dx, dy = w - cx_rect, h - cy_rectrgb_center = self.__move__(rgb, (dx, dy))return rgb_centerdef __getContours__(self,rgb):img=rgb.copy()gray = cv2.cvtColor(rgb, cv2.COLOR_BGR2GRAY)# 寻找二值图像轮廓ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)cnt = contours[1]cv2.drawContours(img, [cnt], 0, (125, 125, 125), 2)# 获取最小外接矩形rect = cv2.minAreaRect(cnt)box = cv2.boxPoints(rect)box = np.int0(box.round())cv2.drawContours(img, [box], 0, (0, 255, 255), 2)return img,rect,boxdef test_movePixelPoint(self,dx=50,dy=50):rgb=self.__getColorPictureInCenter__()img1,rect1,box1=self.__getContours__(rgb)img_ = self.__move__(rgb, (dx, dy))img2, rect2,box2 = self.__getContours__(img_)for i in range(4):x1,y1=box1[i]x2,y2=box2[i]x,y=self.movePixelPoint(x1,y1,dx,dy)x_,y_=x1+dx,y1+dyprint('[%s  %s %s %s ] [(x,y)=%s;(x1,y1)=%s;(x2,y2)=%s;]'%((x2-x1==dx),(y2-y1==dy),x2-x1-dx,y2-y1-dy,(x,y),(x1,y1),(x2,y2)))cv2.imshow('s1', img1)cv2.imshow('s2', img2)cv2.waitKey()def test_zoomPixelPoint(self,fx=0.5, fy=0.5):rgb = self.__getColorPictureInCenter__()img1, rect1, box1 = self.__getContours__(rgb)img_ = cv2.resize(rgb,None,fx=fx, fy=fy, interpolation = cv2.INTER_CUBIC)img2, rect2, box2 = self.__getContours__(img_)for i in range(4):x1, y1 = box1[i]x2, y2 = box2[i]x,y=self.zoomPixelPoint(x1, y1, sx=fx, sy=fy)print('[%s  %s %s %s ] [(x,y)=%s;(x1,y1)=%s;(x2,y2)=%s;]' % ((x2 - x == 0), (y2 - y == 0), x2 - x , y2 - y, (x, y), (x1, y1), (x2, y2)))cv2.imshow('s1', img1)cv2.imshow('s2', img2)cv2.waitKey()def test_rotatePixelPoint(self):rotateangle = -180center = (320, 240)rgb = self.__getColorPictureInCenter__()img1, rect1, box1 = self.__getContours__(rgb)img_ = self.__rotation_Scale__(rgb, angle=rotateangle,rotation_center=center,scale=1)img2, rect2, box2 = self.__getContours__(img_)for i in range(4):x1,y1=box1[i]x2, y2 = box2[i]x,y=self.rotatePixelPoint(x1, y1, rotateangle, center)print('[%s  %s %s %s ] [(x,y)=%s;(x1,y1)=%s;(x2,y2)=%s;]' % ((x2 - x == 0), (y2 - y == 0), x2 - x, y2 - y, (x, y), (x1, y1), (x2, y2)))cv2.imshow('s1', img1)cv2.imshow('s2', img2)cv2.waitKey()if  __name__ =='__main__':a=Pixel()# a.test_movePixelPoint(dx=150,dy=50)"""[True  True 0 0 ] [(x,y)=(481, 432);(x1,y1)=(331, 382);(x2,y2)=(481, 432);][True  True 0 0 ] [(x,y)=(380, 181);(x1,y1)=(230, 131);(x2,y2)=(380, 181);][True  True 0 0 ] [(x,y)=(460, 149);(x1,y1)=(310, 99);(x2,y2)=(460, 149);][True  True 0 0 ] [(x,y)=(561, 400);(x1,y1)=(411, 350);(x2,y2)=(561, 400);]"""# a.test_zoomPixelPoint()"""[False  True -1 0 ] [(x,y)=(166, 191);(x1,y1)=(331, 382);(x2,y2)=(165, 191);][True  False 0 -1 ] [(x,y)=(115, 66);(x1,y1)=(230, 131);(x2,y2)=(115, 65);][True  False 0 -1 ] [(x,y)=(155, 50);(x1,y1)=(310, 99);(x2,y2)=(155, 49);][False  False -1 -1 ] [(x,y)=(206, 175);(x1,y1)=(411, 350);(x2,y2)=(205, 174);]"""a.test_rotatePixelPoint()"""(x,y)=(309.0, 98.0)  (x1,y1)=(331, 382)     C   (x2,y2)=(330, 381)  A(x,y)=(410.0, 349.0) (x1,y1)=(230, 131) D   (x2,y2)=(229, 130) B(x,y)=(330.0, 381.0)  (x1,y1)=(310, 99)  A   (x2,y2)=(309, 98)  C(x,y)=(229.0, 130.0)  (x1,y1)=(411, 350) B   (x2,y2)=(410, 349) D(x,y)=(330.0, 381.0)  (x1,y1)=(310, 99)  A   (x2,y2)=(330, 381) A(x,y)=(229.0, 130.0)  (x1,y1)=(411, 350) B   (x2,y2)=(229, 130) B(x,y)=(309.0, 98.0)   (x1,y1)=(331, 382)     C   (x2,y2)=(309, 98)  C(x,y)=(410.0, 349.0)  (x1,y1)=(230, 131) D   (x2,y2)=(410, 349) D"""

2D图像像素点操作——平移，旋转，缩放 tcy相关推荐

Unity 触屏手势控制Camera平移旋转缩放
Unity 触屏手势控制Camera平移旋转缩放实现思路单点触屏,位移增量控制相机平移: 两点触屏,两点位移控制相机前后移动(缩放):两点中一点不位移控制相机绕点旋转: 实现需要的API Touc ...
opencv之图像翻转、平移、缩放、旋转、仿射学习笔记
opencv版本:opencv3.4.1 目录 1. 图像翻转(坐标映射) 2. 平移 3. 缩放 4. 旋转 1. 图像翻转(坐标映射) int main() {cv::Mat srcImage ...
C# winform 通过Matrix实现图像的自由平移、缩放、旋转
1.先上样图软件在用户交互方面未做完善 ,后续会逐步完善. 代码已经同步到Github,欢迎下载使用,但是请注明出处. Github地址:https://github.com/zhouchen/zh ...
三维空间中的几何变换-平移旋转缩放
前言前段时间由于项目需要,深入学习了下图形几何变换,主要是绕任意轴旋转部分(其他的已有一定基础),现记录学习笔记. 文章内容部分引用并参考了下面的博客: http://netclass.csu.ed ...
Unity矩阵平移旋转缩放Matrix4x4
Unity中的矩阵(Matrix4x4) 最近在研究帧同步定点数物理系统中需要自定义定点数矩阵,所以在这里分享下基础的矩阵案例旋转.平移.缩放.(注意这里本文中的transform组件式基于unity ...
WebGL编程指南-24 同时使用漫反射光和环境反射光、立方体平移旋转缩放变换时漫反射光和环境反射光处理
1.demo效果此效果是上一章绘制的立方体基础上,向Y轴方向平移一个单位,然后绕Z轴旋转30度. 如上图,归纳一下物体坐标变换法向量变化的规律如下平移变换, 法向量不会改变旋转变换, 大多数情况 ...
flutter Transform 矩阵变换（平移旋转缩放）
Transform其子Widget绘制时外面包着矩阵变换(transformation),通过它可以实现各种矩阵操作. 1.widget平移效果图 2.旋转(rotate) 效果图: 3.缩放 Tr ...
Python-OpenCV 处理图像（二）（三）：滤镜和图像运算图像像素点操作
0x01. 滤镜喜欢自拍的人肯定都知道滤镜了,下面代码尝试使用一些简单的滤镜,包括图片的平滑处理.灰度化.二值化等: import cv2.cv as cvimage=cv.LoadImage('i ...
三维坐标偏转_三维坐标变换原理-平移, 旋转, 缩放
给定一个二维点(x, y),那么形如(kx, ky, k)的所有三元组就都是等价的,它们就是这个点的齐次坐标(homogeneous).齐次坐标就是将一个原本是n维的向量用一个n+1维向量来表示,是指 ...
三维坐标要建一个4*4的矩阵?平移旋转缩放
移植不知道三维物体的旋转平移缩放和矩阵的关系.找到这篇文章借鉴一下. 转自:https://blog.csdn.net/ALLENJIAO/article/details/80348362 怎么平移一 ...

2D图像像素点操作——平移，旋转，缩放 tcy

2D图像像素点操作——平移，旋转，缩放 tcy相关推荐

最新文章

热门文章